[发明专利]多无人机任务分配与航迹规划联合优化方法及装置

说明书

技术领域

本发明实施例涉及无人机技术领域，具体涉及一种多无人机任务分配与航迹规划联合优化方法及装置。

背景技术

当前，无人机UAV(Unmanned Aerial Vehicle)在军民领域有着广泛的应用，可完成目标侦察、目标跟踪、情报收集、震后救援和地质勘探等多种类型任务。例如在多架UAV协同侦察目标时，既要最合理地为每架UAV分配其所需侦察的目标，还要为其规划最优的飞行航迹。该问题是一个受多因素约束的任务分配与航迹规划联合优化问题，也是非确定性问题。

随着UAV研究的深入，环境因素被逐渐纳入问题的研究，特别是UAV任务分配、航迹规划和飞行控制等问题中，在环境因素的影响下如何降低耗能、控制UAV的飞行状态从而使UAV消耗最少的燃料执行最多的任务、具备更好的任务执行状态和更高的安全性是当前UAV研究的主要工作。当前常用于解决UAV任务分配与任务规划问题的模型有：TSP模型，TOP模型和VRP模型，其中，TSP模型是在只有单一旅行者的条件下，使得旅行者通过所有给定的目标点之后，从而使其路径成本最小的模型；TOP模型是在存在多个成员的条件下，使得每个成员尽可能访问更多的目标点，从而使得所有成员的总收益最大的模型；VRP模型是在车辆数量固定的条件下，使得车辆访问一定数量目标点，且在此过程中每个目标点只能被访问一次，最终使得UAV航行的总距离或总时间最短的模型。

在实现本发明实施例的过程中，发明人发现现有的技术方案在实际操作中，一般是假设模型中在恒定时间内无人机的速度是恒定的。然而这个假设显然是不现实的，导致模型无法精确模拟出无人机的实际运动状态，进而无法进行最优的航迹规划。

发明内容

本发明实施例的一个目的是解决现有技术由于在进行航迹规划是设定无人机的速度是恒定的，导致模型无法精确模拟出无人机的实际运动状态，进而无法给出的最优的航迹规划。

本发明实施例提出了一种多无人机任务分配与航迹规划联合优化方法，包括：

S1、获取多个无人机和多个目标点的位置信息、无人机地速航向角离散度以及各无人机和风场的运动参数；

S2、根据多个无人机和多个目标点的位置信息、无人机地速航向角离散度和预设遗传算法，构建初始种群，所述初始种群中的每个染色体均包括与无人机数量相同的Dubins飞行路径且各条Dubins飞行路径均由不同无人机完成；

S3、根据所述初始种群、各无人机和风场的运动参数确定各无人机的飞行状态和各无人机完成对应Dubins飞行路径的航迹段的航行时间，根据所述航迹段的航行时间和MUAV-VS-DVRP模型获取初始种群中每个染色体对应的所有无人机完成任务时间；

S4、基于遗传算法，对初始种群中染色体进行交叉、变异处理，并在达到预定迭代次数后，选取所有无人机完成任务时间最短的染色体对应的Dubins飞行路径作为所述无人机联合优化的任务分配与航迹规划方案。

可选的，根据多个无人机和多个目标点的位置信息、无人机地速航向角离散度和预设遗传算法，构建初始种群包括：

根据预设遗传算法的编码方式进行染色体编码生成预定规模的初始种群；所述染色体由目标点信息、无人机地速航向角信息和无人机信息组成；其中所述目标点属于集合T₀表示UAVs的起点，无人机地速航向角属于集合N_g表示无人机地速航向角离散度，无人机属于集合N_U表示无人机数量；

其中，所述染色体第一行为所述目标点的随机全排列，第二行为根据无人机航向角离散度为每个目标点随机选取对应的地速航向角，第三行为根据无人机集合为每个目标点随机选取对应的无人机，且需保证无人机集合中的无人机全部至少被选择一次。

可选的，根据所述初始种群、各无人机和风场的运动参数确定各无人机的飞行状态和各无人机完成对应Dubins飞行路径的航迹段的航行时间，根据所述航迹段的航行时间和MUAV-VS-DVRP模型获取初始种群中每个染色体对应的所有无人机完成任务时间：

对每个染色体对应的Dubins飞行路径根据其目标点被访问顺序将所述飞行路径分为多个航迹段；

根据每个航迹段对应的起始点的坐标和航向角以及终止点的坐标和航向角，结合风场参数确定无人机飞行状态，进而获取所述无人机完成所述航迹段的航行时间；

根据每个航迹段对应的航行时间获取所述染色体对应的所有无人机完成任务时间。